Research19.09.2026 · 01:554 nguồn

GPT 6 Astra dẫn đầu agentic benchmark WeirdML v3 với 11 tác vụ

Từ marketbrief.now

Ảnh: marketbrief.now
AI;DR

Bộ đánh giá mới cho các AI agent kiểm tra khả năng tạo ra kết quả từ mục tiêu không xác định và phản hồi hạn chế của mô hình. Benchmark gồm 11 tác vụ phức tạp làm thủ công, yêu cầu mô hình khám phá dữ liệu lạ và phát triển các pipeline machine learning. Dữ liệu ban đầu cho thấy GPT 6 Astra có lợi thế lớn, đặc biệt về độ hiệu quả token, với các bài kiểm tra bao gồm xây dựng hệ thống phát hiện tàu từ 5.000 hình ảnh mô phỏng và trích xuất tín hiệu bầu trời từ dữ liệu kính thiên văn vô tuyến. Dự án được Viện Nghiên cứu Quốc phòng Na Uy tài trợ cùng kinh phí API từ EpochAI và METR. Phiên bản tiền nhiệm WeirdML v2 do Benchmark Reviews kiểm chứng, nhưng dùng giao diện văn bản đơn giản và dễ điều hướng hơn bản hiện tại. Những người thử nghiệm đầu tiên mô tả kết quả đối với các mô hình non-frontier và open-source là rất khắc nghiệt.

Đọc bài gốcĐăng nhập để góp ý

Nguồn

#gpt-6-astra#weirdml#benchmark#agent#reasoning#openai#evaluation#gptBản Markdown
Lịch sử nội dung (2)
  • 2026-10-06 · Tóm tắt · vi · Thay nội dung đã lưu
    GPT 6 Astra vượt trội trên WeirdML v3, hoàn thành xuất sắc 11 nhiệm vụ trong benchmark ag…
    Bộ đánh giá mới cho các AI agent kiểm tra khả năng tạo ra kết quả từ mục tiêu không xác đ…
  • 2026-10-06 · Tiêu đề · vi · Thay nội dung đã lưu
    GPT 6 Astra dẫn đầu WeirdML v3, làm chủ benchmark agentic 11 nhiệm vụ
    GPT 6 Astra dẫn đầu agentic benchmark WeirdML v3 với 11 tác vụ

Bản tin mỗi sáng

Tin quan trọng nhất trong ngày. Miễn phí, hủy bất cứ lúc nào.

Telegram @aihomnay